مدلسازی نوسان های ماهانه آب زیرزمینی به وسیله تبدیل موجک و شبکه عصبی پویا

مدلسازی نوسان های زمانی آب زیرزمینی، در مدیریت حوزه های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال های اخیر استفاده از تحلیل موجک برای تجزیه سری های زمانی و ترکیب آن با شبکه های عصبی به صورت گسترده ای در مدلسازی پدیده های هیدرولوژیکی به کار رفته است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکه عصبی پویا برای پیش بینی یک ماه آینده عمق آب زیرزمینی ارزیابی شده و این مدل با مدل های شبکه عصبی و رگرسیون خطی چندمتغیره مقایسه شده است. داده های استفاده شده برای تشکیل مدل ها فقط عمق آب زیرزمینی ماهانه است که در دو پیزومتر واقع در دشت قم به مدت ده سال اندازه گیری شده است. نتایج نشان داد عملکرد مدل شبکه عصبی چندان رضایت بخش نیست. مدل رگرسیون خطی چندمتغیره نیز نتایج دقیقی نداشت و مقدار پیش بینی شده با این مدل در اکثر موارد بیشتر از مقدار واقعی بود، در حالی که مدل ترکیبی موجک- شبکه عصبی با استفاده از موجک مادر Meyer با دو سطح تجزیه، توانست یک ماه آینده را با ضریب های نش 0/933 و0/974 به ترتیب برای پیزومترهای 1 و 2 پیش بینی کند.